賈冕　趙進喜　皇甫偉

100700　北京中醫(yī)藥大學第一臨床醫(yī)學院(賈冕)；北京中醫(yī)藥大學東直門醫(yī)院中醫(yī)內科教研室(趙進喜)；北京科技大學計算機與通信工程學院(皇甫偉)；北京體育大學博士流動站(賈冕)

?

·論著·

基于中醫(yī)證候學的糖尿病腎病患者腎小球濾過率評估方法的探索

賈冕趙進喜皇甫偉

100700北京中醫(yī)藥大學第一臨床醫(yī)學院(賈冕)；北京中醫(yī)藥大學東直門醫(yī)院中醫(yī)內科教研室(趙進喜)；北京科技大學計算機與通信工程學院(皇甫偉)；北京體育大學博士流動站(賈冕)

【摘要】目的探索糖尿病腎病患者基于中醫(yī)證候學評估腎小球濾過率(glomerular filtration rate，GFR)的可能性及其方法。方法基于“十一五”國家科技支撐計劃《中醫(yī)全程干預糖尿病腎病進程綜合方案研究》的1872例研究數據，采用散點圖矩陣、安德魯斯曲線分析、平行坐標圖等計算機可視化技術，探求GFR與性別、年齡、身高、體重，以及氣虛、血虛、陰虛、陽虛、血瘀、濕濁、痰濕的中醫(yī)證候積分等11個因素間的關系。將病例分為1400例的組1和472例的組2?；诮M1的數據，使用兩種方法進行GFR的估算：(1)對11個因素進行線性回歸，并根據回歸結果進行GFR估算。(2)以病例為單位，納入11個因素，使用組1病例建立數據庫，使用K最鄰近結點算法(k-nearest neighbor，KNN)，進行GFR估算?；诮M2的數據，采用散點圖、偏差分析、Bland-Altman作圖法及ROC曲線進行驗證一致性評價。結果(1)GFR與性別、年齡、身高、體重以及7個中醫(yī)證候等因素之間存在特定聯(lián)系。(2)散點圖顯示，KNN法分布于±30%范圍內的點較之回歸方程明顯增多。兩種評估方法偏差的30%符合率均達到50%以上?；貧w方程和KNN法偏差的30%符合率分別達到58.1%和69.3%。Bland-Altman作圖顯示，KNN法估算結果的偏差分布較為均勻，數據相對集中，波動范圍小于回歸方程估算值。用于診斷腎功能不全時，KNN法的ROC曲線下面積達到0.847。結論基于中醫(yī)證候學對糖尿病腎病患者的GFR進行評估是可行的。KNN法效果優(yōu)于回歸法，在數據量足夠大時，更有利于中醫(yī)證候學的研究。

【關鍵詞】糖尿病腎??；腎小球濾過率；中醫(yī)證候；評估；K最鄰近結點

糖尿病腎病(diabetic nephropathy，DN)作為一種糖尿病最主要的微血管并發(fā)癥，是導致腎功能衰竭的主要原因之一。中醫(yī)藥在治療DN方面有其獨特優(yōu)勢，越來越多的學者著力于研究DN的中醫(yī)診療方法，取得了一定進展。腎小球濾過率(glomerular filtration rate，GFR)是評價腎功能的重要指標，準確了解GFR，對糖尿病腎病的早期診斷、早期治療以及病情監(jiān)測有著重要的作用。腎小球濾過率難以直接測量，目前多以血肌酐、胱抑素C等指標進行估算，也沒有針對中國糖尿病腎病患者的適用的估算公式。許多研究表明，糖尿病腎病的中醫(yī)證候積分與部分現代醫(yī)學指標有著密切的聯(lián)系。挖掘中醫(yī)證候學與腎功能指標之間的聯(lián)系，嘗試建立一種基于中醫(yī)證候學的糖尿病腎病腎功能評價方式，不僅可以更為便捷地評價腎功能，還可以與中醫(yī)療效評價體系有機結合，探求中醫(yī)藥治療糖尿病腎病的原理，進而指導臨床診療。本研究基于“十一五”國家科技支撐計劃《中醫(yī)全程干預糖尿病腎病進程綜合方案研究》，嘗試基于中醫(yī)證候評分的GFR評估方法的探索，經驗證適用性較好，報道如下。

1對象與方法

1.1研究對象

本研究病例來源于由北京中醫(yī)藥大學東直門醫(yī)院牽頭的國家科技部“十一五”科技支撐計劃項目：《中醫(yī)全程干預糖尿病腎病綜合方案研究》(項目編號：2006BAI04A03-2，簡稱“十一五”研究)，2008年1月至2009年12月就診于北京中醫(yī)藥大學東直門醫(yī)院、中國中醫(yī)科學院望京醫(yī)院、天津中醫(yī)藥大學第一附屬醫(yī)院、北京大學第一醫(yī)院、浙江省杭州市紅十字會醫(yī)院、河北省中醫(yī)院、廣州中醫(yī)藥大學第二附屬醫(yī)院等10個參研單位的住院及門診患者。

1.2診斷標準

糖尿病診斷采用世界衛(wèi)生組織1999年提出的診斷標準，糖尿病腎病依據2010年版《中國2型糖尿病防治指南》進行診斷及分期[1]。中醫(yī)證候診斷標準參考1992年中華中醫(yī)藥學會糖尿病分會的《消渴病辨證診斷參考標準》[2]以及1987年中華中醫(yī)藥學會內科腎病專業(yè)委員會慢性腎衰中醫(yī)辨證分型診斷專題討論會通過的標準[3]。

1.3納入標準

(1)明確診斷的糖尿病腎病III期、IV期患者，年齡18~70歲，性別不限；(2)血肌酐在3個月內穩(wěn)定在265 μmol/L以下；(3)血糖平穩(wěn)，糖化血紅蛋白7.5%以下，舒張壓90 mmHg以下；(4)中醫(yī)辨證具備本虛(氣虛、陰虛、陽虛、血虛)表現，或兼血瘀、濕濁、痰濕者。

1.4排除標準

(1)難治性水腫；(2)尿蛋白大于10 g/24h，血清白蛋白低于25 g/L；(3)腎性高血壓，合并充血性心衰I-IV級，癌癥、妊娠及對治療方案藥物過敏者；(4)六個月內有糖尿病酮癥酸中毒、心肌梗塞、惡性高血壓、腦血管意外等危急重癥病史者。

1.5本研究病例選取方法

“十一五”研究納入病例320例，以3個月為周期對患者進行了平均19個月的訪視，監(jiān)測中醫(yī)證候積分及相關指標。本研究以診次為單位，選擇中醫(yī)證候評分及實驗室檢驗資料完整的病例資料，共計9次訪視，1872例數據資料，其中男性1162人，女性710人，平均年齡(59.59±8.623)歲，平均身高(165.66±7.65) cm，平均體重(70.87±11.51) kg，平均BMI值(25.79±3.68) kg/m2。中醫(yī)證候總積分平均21.83分，其中氣虛4.9分，陰虛3.63分，陽虛5.66分，痰濕3.05分，血瘀1.54分，血虛1.32分，濕濁1.74分。GFR平均79.21 mL/(min·1.73 m2)。

1.6病例分組資料

將納入病例按照3∶1的比例分為兩組：將原始隨機編號的順序，按照“1、1、1、2”的順序依次重新編號，新編號“1”和“2”分別為組1和組2。經計算，兩組當為1404例和468例。為方便計算，取組1為1400例，組2為472例。

1.7研究方法

(1)評估方法的建立：使用中國改良簡化MDRD公式估算腎小球濾過率[4]。按分組選擇病例?；诮M1的數據，使用多元線性回歸建立基于中醫(yī)證候積分的估算公式；使用Scipy科學計算庫的spatial.kdtree模塊，將病例數據中的腎小球濾過率、性別、年齡、身高、體重和氣虛、血虛、陰虛、陽虛、痰濕、濕濁、血瘀等7個中醫(yī)證候等信息，以每個病例為單位，進行數據庫的建立。(2)新建方法的驗證：基于組2的病例，利用新建數據庫，采用K最鄰近結點算法(k-nearest neighbor algorithm，KNN，簡稱“最近鄰”)，對腎小球濾過率進行評估，并使用新建立的公式對腎小球濾過率進行估算。采用散點圖、偏差分析、Bland-Altman作圖法及ROC曲線等方法，對兩種評估方法進行適用性評價。

1.8統(tǒng)計方法

2結果

2.1病例分組基線比較

對兩組病例的數據進行正態(tài)檢驗，兩組eGFR均服從正態(tài)分布，F=1.934，具有方差齊性，組間比較采用獨立樣本t檢驗。其余各項指標均不服從正態(tài)分布，采用非參數檢驗進行兩組間比較。兩組eGFR中國、性別、年齡、肌酐、尿素氮及中醫(yī)證候積分的組間比較顯示，兩組基線水平相似，不具有統(tǒng)計學差異(P>0.05)。

2.2各因素與腎小球濾過率之間的關系

2.2.1各因素的散點圖矩陣分析繪制各因素的散點圖矩陣，見圖1。由圖可以看出：(1)腎小球濾過率與肌酐關系密切；(2)腎小球濾過率與年齡呈負相關，即隨年齡增長，腎小球濾過率下降；(3)腎小球濾過率與身高、體重和血虛、陰虛關系不明顯；(4)中醫(yī)證候濕濁、痰濕、血瘀、陽虛和氣虛在最右一列圖上呈現上尖下寬的“三角形”圖形。

2.2.2平行坐標圖繪制平行坐標系下的調和曲線圖，見圖2。圖中每條曲線代表1個病例的數據，依腎小球濾過率的值賦予不同顏色，按其值從小到大，顏色由紅到綠的規(guī)律演變。由圖可見：(1)腎小球濾過率與肌酐呈現負相關；(2)GFR與年齡有負相關傾向；(3)中醫(yī)證候積分與腎小球濾過率的曲線分布關系不顯著；(4)趨近于綠色的曲線向中醫(yī)證候積分的上半部分集中，即GFR值較大的病例，中醫(yī)證候積分分值較小。

2.2.3安德魯斯曲線分析對腎小球濾過率、性別、年齡、身高、體重及氣虛、血虛、陰虛、陽虛、痰濕、濕濁、血瘀等7個中醫(yī)證素，共計12個因素的相互關系進行降低維度的可視化處理，繪制安德魯斯曲線(Andrews curve)，見圖3。圖中每一條曲線代表1個病例，坐標數值沒有實際意義。由圖可以看出，曲線并非雜亂無章，大部分曲線構成了3峰2谷的類“W”型曲線。

2.3線性回歸方程

基于組1數據，將性別賦值“男1女2”，使用性別、年齡、身高、體重、氣虛、血瘀、陰虛、陽虛、血虛、痰濕、濕濁等11個因素進行線性回歸?；貧w模型：eGFR=a1×p1+a2×p2+…+an×pn。其中，a為系數，p為如上12個參數，n取值1~12。

回歸結果:模型擬合的可決系數調整R2=0.155，方差分析顯示，P<0.01，模型是顯著的，但擬合優(yōu)度欠佳?；貧w方程1：eGFR1=304.192-3.568×性別-1.049×年齡-0.980×身高 +0.214×體重-0.265×氣虛 -0.313×血瘀 -0.152×陰虛 -1.064×陽虛 -0.934×血虛 +0.360×痰濕 -0.677×濕濁。

圖1　與腎小球濾過率相關的各因素散點圖矩陣

圖2　與腎小球濾過率相關的各因素平行坐標圖

圖3　與腎小球濾過率相關的各因素安德魯斯曲線圖

由回歸方程可見，性別、年齡、身高、陽虛、血虛、濕濁的系數相對較大，對GFR值影響相對較大?；貧w結果見表1。

表1　回歸系數及檢驗結果

2.4建立“K最鄰近結點算法”樣本庫(KNN樣本庫)

(1)基于組1的數據，納入性別、年齡、身高、體重、氣虛、血瘀、陰虛、陽虛、血虛、痰濕、濕濁共11個因素，作為訓練數據進行存儲。

(2)設定k值，本研究取k=5計算。

(3)距離計算法

在11個因素構建的11維樣本空間中，任取1點，該點與周圍n個點的直線距離分別為d1，d2，…，dn。則計該點與周圍n個點的距離為

(4)估算方法

在樣本空間中，分別計算待測樣本與樣本庫中11個維度的原始樣本之間的距離，得到距離d1，d2，…，dn，比較d1~dn，取最小的k個樣本(本研究k=5)，其對應的樣本庫中的原始樣本，即為選定的樣本。選定樣本的腎小球濾過率的算術平均值，即為待測樣本的估算值。

2.5新建評估方法的適用性評價

基于組2的472例數據，分別運用回歸方程和KNN樣本庫估算腎小球濾過率，與原值進行對比評價。

2.5.1散點圖分析分別以原腎小球濾過率為x軸，新建方法計算的值為y軸，繪制散點圖(圖4和圖5)。由圖可見，回歸方程的散點分布略呈“水平分布”的狀態(tài)。KNN法的估算值呈現45°傾斜的趨勢，且分布于±30%范圍內的點較之回歸方程明顯增多。

圖4　回歸方程的散點圖

圖5　“最近鄰”法的散點圖

2.5.2偏差比較分別計算回歸方程和KNN法估算結果的偏差，偏差=估算值-金標準，偏離百分數=[(估算值-金標準)的絕對值/金標準]×100%。15%、30%、50%符合率=估算值落在金標準±15%、±30%、±50%的病例百分數[5]，詳見表2。由表可知，兩種評估方法30%符合率均達到50%以上，評估效果較好。KNN法優(yōu)于回歸方程，其30%符合率接近70%。

表2　回歸方程和KNN的偏差對比

2.5.3Bland-Altman分析繪制Bland-Altman圖，添加均值、均值±1.96標準差的參考線，見圖6和圖7。由圖可知，KNN法估算結果的偏差分布較為均勻，數據相對集中?；貧w方程的偏差有較為明顯的線性呈現。KNN法偏差的波動范圍小于回歸方程估算值。

圖6　以中國公式為金標準的回歸方程的Bland-Altmon圖

圖7　以中國公式為金標準的“最近鄰”法的Bland-Altman圖

2.5.4診斷效能以GFR<60 mL/(min·1.73 m2)作為節(jié)點，以原腎小球濾過率的值為金標準，使用ROC曲線分析進行診斷效能的評價。結果見表3、圖8和圖9。

表3　驗證公式的ROC曲線分析

圖8　回歸方程的ROC曲線分析

圖9　“最近鄰”法的ROC曲線分析

3討論

本研究為基于中醫(yī)證候學的糖尿病腎病腎小球濾過率評估方法的建立和驗證，其關鍵點在于探求腎小球濾過率與中醫(yī)證候之間的關系，并用恰當的方法予以表示。既往公式的建立多以統(tǒng)計學為基礎，通過分析其間的相關性。隨著科技的發(fā)展，計算機技術在眾多領域被廣泛應用，基于計算機技術的一些新方法也可以在醫(yī)學領域施展本領，或許將成為未來的發(fā)展方向。

3.1多維空間的可視化處理技術

現在可以理解并直觀感受到的僅限于三維以下的空間，當自變量增加到4個甚至更多時，很難想象多條相互垂直的線決定的多維空間的具體形象。隨著計算機技術的發(fā)展，更多的新方法可以用來尋找變量之間的關系。科學計算可視化技術，可以將各種數據進行轉化，成為直觀的，能夠以圖形呈現的信息。常見的有散點矩陣技術、平行坐標可視化技術、安德魯斯曲線技術、格架圖、測量圖、放射性可視化技術等。將這些方法運用于醫(yī)學領域，探索一些重要但難以測量的指標與其他易測量指標之間的關系，利于探索人體機能的奧秘。本研究中利用前三種技術對數據進行處理，可以較為直觀地看到數據間的聯(lián)系。

散點矩陣通過繪制n個因素的n2個散點圖，展現每兩個因素之間的關系。本研究中的散點圖矩陣顯示出肌酐與腎小球濾過率呈非直線的線性關系；年齡與GFR有斜率為負值的線性趨勢。中醫(yī)證候積分與腎小球濾過率之間雖并沒有明顯的線性關系，但其“三角形”的圖形特性提示其對腎小球濾過率的取值存在限制作用：當單個證候積分取值很小時(位于“三角形”尖端)，腎小球濾過率取值不會大，即有一定的“最大界限”。因此，當使用多個證候綜合評價時，可以較為準確地限制腎小球濾過率的取值范圍。平行坐標法相較于安德魯斯曲線的空間旋轉和運算更為便捷。它采用一系列平行的坐標，每個坐標有其獨立的量值標準，將高維度空間的 “扭曲的線”(或稱點集)，分別在平行的各個坐標上予以標注，并連接成線。這樣，就將高維空間的“扭曲的線”以平面上的折線的形式展現了出來。直接繪制的平行坐標圖是由直線構成的，因其拐點可能重合，不易觀察，可將其調整為曲線聯(lián)結，并根據值的大小予以不同色彩的設定，有利于直觀的發(fā)現因素之間的聯(lián)系。安德魯斯曲線技術可以簡單理解為，將存在于多維空間的“扭曲的線”進行扭轉，尋找某個角度，將其投射在僅有x軸和y軸的平面上。本研究中的安德魯斯曲線，即是腎小球濾過率與11個自變量間相互關系的曲線的展現，每個數據繪制一條線，1872個數據共同表現出三峰兩谷的類“W”形平滑的曲線，提示腎小球濾過率與11個自變量間的確存在一定的內在聯(lián)系，當數據樣本足夠充足，能夠更為準確地確定相互間的關聯(lián)，使基于“大數據”的處理技術，從中醫(yī)證候學角度評估GFR成為可能。

3.2K最鄰近結點算法

KNN法屬于大數據應用的一種。與前幾種圖像法不同，這種方法不能直觀看到數據之間的關系，但可以得到估算的數值，其基本要求是建立足夠大量的樣本庫。當需要估測某個因變量時，通過該指標的自變量的信息，在樣本庫中篩選k個最近距離的樣本，對樣本庫中這k個樣本對應的已有因變量的值進行平均，即為估測值。這種算法類似于將相關因素畫圓圈起來，再找圓心的過程。該方法的優(yōu)點在于，所有估測出來的因變量的值均由原始樣本庫的值平均得到，因此，其范圍不會波動過大，即偏差值過大。這就避免了所有基于統(tǒng)計學方法得到的計算公式的弊端：利用一定范圍數據建立的公式，在超過數據范圍后，往往偏差巨大。比如本研究中1例肌酐為6.2 umol/L的病例，通過中國公式計算得到eGFR>800 mL/(min·1.73 m2)，與實際完全不符，因此予以剔除。同樣，這些偏離較遠的點在公式推導過程中，往往起到了不小的作用，使線的走向發(fā)生明顯偏移。KNN法可以有效避免這種情況的發(fā)生，因其選擇的是“最小距離”。

KNN法雖有諸多便利，但其關鍵因素——k值的確定卻不十分容易，不同的k值結果不同。當樣本庫足夠大時，k值越大，準確性越高，但運算量呈指數倍增加。確定k值一般需要進行測試，由小到大取不同k值進行部分數據的運算，將其與標準進行對比，選擇與標準最接近的k值。本研究中，因樣本庫存在11個維度的信息，僅有1400個數據，因此僅進行了少量運算，暫定結果較好的k=5作為標準，以嘗試這種方法的可行性。研究結果表明，KNN法的估算明顯優(yōu)于回歸方程的計算，這證明了KNN法在中醫(yī)藥領域應用的可能性。

3.3新建評估方法的評價

回歸方程的散點圖呈現“水平分布”，結合Bland-Altman圖分析，其原因在于估算結果在腎小球濾過率較低時高估了真實值，而在腎小球濾過率較高時低估了真實值，隨著腎小球濾過率值的降低或升高，偏差逐漸增大。偏差分析顯示，其30%符合度接近60%，相較于一般估算公式效果尚佳。以腎小球濾過率<60 mL/(min·1.73 m2)作為節(jié)點診斷腎功能不全時，回歸方程診斷的靈敏性一般，特異度較低，ROC曲線下僅有0.680，診斷效力不高。 KNN法的散點圖呈45°傾斜趨勢提示估算值與“金標準”符合度高，分布與±30%范圍內的點較之回歸曲線明顯增多，Bland-Altman圖也顯示其偏差波動范圍相對較小，且數據更為集中，其偏差的30%接近70%，說明該法用于估算腎小球濾過率效果良好。同時，用于診斷腎功能不全時，靈敏度和特異度均>0.75，ROC曲線下面積達到0.847，提示KNN法對腎功能不全具有較高的診斷效能。綜合評價兩種基于中醫(yī)證候積分的腎小球濾過率評估方法，二者的估測值與中國改良簡化MDRD公式計算的腎小球濾過率的值一致性較好，用于評估腎小球濾過率值都是可行的。比較而言，KNN法在準確性及診斷效能上，均明顯優(yōu)于回歸方程。

4小結

本研究以中國改良簡化MDRD公式估算的腎小球濾過率值為“金標準”，基于組1數據，使用回歸分析和KNN兩種方法進行中醫(yī)證候學積分與腎小球濾過率之間關聯(lián)的探索，并在組2中進行了驗證。從以上數據中，可以得到一些結論：(1)基于中醫(yī)證候學的腎小球濾過率評估方法的建立是切實可行的。(2)當數據量足夠大時，KNN法進行估算效果明顯優(yōu)于回歸方法。這提示，隨著“大數據”時代的到來，中醫(yī)或是醫(yī)學界采納更為廣泛的科技手段，積累并存儲、運用大量數據，或許將成為未來醫(yī)學發(fā)展的方向。(3)從本研究結果來看，既然中醫(yī)的7個證候與腎小球濾過率有密切的吻合度，也就證明了中醫(yī)證候與各實驗室指標之間可能存在著多種聯(lián)系，蘊藏了大量信息。探索中醫(yī)證候學與疾病主要療效指標之間蘊藏的信息，為從中醫(yī)學角度評價病情，或是選擇適宜的治則治法提供了重要的參考依據。

因條件限制，本研究僅能使用現有的中國改良簡化MDRD公式的估算值作為“金標準”進行探索。如能夠將以普遍認可的腎動態(tài)顯像等方法測得的腎小球濾過率值作為金標準，并將相應的病例信息一同納入數據庫，在匯集更多數據的基礎上，采用KNN法進行腎小球濾過率的評估，或許將優(yōu)于各種基于統(tǒng)計學的估算公式。

參考文獻

[1]中國2型糖尿病防治指南(2010年版)[J]. 中國糖尿病雜志，2012,(1):81-117.

[2]呂仁和，張潔榮，高彥彬.消渴病(糖尿病)中醫(yī)分型辨證與療效評定標準[J].中國醫(yī)藥學報，1993,8(3)：54-56.

[3]劉宏偉.慢性腎衰中醫(yī)辨證分型和療效評定標準-全國中醫(yī)腎衰研討會討論通過[J].中醫(yī)藥信息，1991,8(2)：27-28.

[4]全國eGFR課題協(xié)作組.MDRD方程在我國慢性腎臟病患者中的改良和評估[J].中華腎臟病雜志，2006,22(10)：589-595.

[5]史浩，陳楠，張文，等.簡化MDRD公式預測慢性腎病患者腎小球濾過率的應用評價及校正[J].中國實用內科雜志，2006,36(9)：665-669.

(本文編輯： 禹佳)

(上接本期第274頁)

配伍理論中的“七情”，討論的是任意兩味中藥的配伍關系。運用一味藥物治病應當不屬于配伍范疇。在張廷模教授主編的《臨床中藥學》教材[15]中，單行的概念為“各藥單獨取效，互不影響臨床療效，屬于兩藥之間的配伍形式”。本課題組認為，這才是基于配伍理論提出的科學的概念。

4小結

從建國以來的歷版中藥學教材內容修訂情況，可看出中藥理論框架中的性能理論、功效理論、配伍理論、采制理論、分類理論等均逐步發(fā)展并逐漸趨于完善、科學、合理。下一步的工作是，通過全面搜集、整理中藥各種理論的歷史、現狀，分析其特色、優(yōu)勢和存在的問題，在“繼承不泥古，創(chuàng)新不離宗”的原則下，構建能夠體現中藥內在邏輯和核心內容的理論框架。

[1]凌一揆.中藥學講義[M].成都:四川省成都進修學校，1957:1-175.

[2]長春中醫(yī)學院編纂委員會.中藥學講義[M].長春：(出版單位佚),1958:1-458.

[3]南京中醫(yī)學院.中藥學概論[M].北京:人民衛(wèi)生出版社,1958:1-203.

[4]上海中醫(yī)學院中藥學教研組.中藥學講義[M].上海:上?？茖W技術出版社,1960:1-572.

[5]蔣淼,王家葵,李文.統(tǒng)編第1版中藥學教材編寫沿革[J].中藥與臨床,2014,5(1):46-49.

[6]成都中醫(yī)學院本草教研組.中藥學講義[M].北京:人民衛(wèi)生出版社,1960:1-418.

[7]成都中醫(yī)學院.中藥學講義[M].上海:上海科學技術出版社,1964:1-480.

[8]成都中醫(yī)學院.中藥學[M].上海:上?？茖W技術出版社,1977:1-322.

[9]成都中醫(yī)學院.中藥學[M].上海:上海科學技術出版社,1978.1-378.

[10]凌一揆.中藥學[M].上海:上?？茖W技術出版社,1984:1-322.

[11]雷載權.中藥學[M].上海:上海科學技術出版社,1995:1-358.

[12]高學敏.中藥學[M].北京:中國中醫(yī)藥出版社,2002:1-635.

[13]神農本草經[M].清·顧觀光,輯.蘭州:蘭州大學出版社, 2009:1-10.

[14]高曉山.中藥藥性論[M].北京:人民衛(wèi)生出版社,1992:6-8.

[15]張廷模.臨床中藥學[M].中國中醫(yī)藥出版社,2004:46-47.

(本文編輯： 蒲曉田)

Exploration of GFR evaluation method in patients with diabetic nephropathy based on the theory of TCM syndrome

JIAMian,ZHAOJin-xi,HUANGFu-Wei.TheFirstClinicalMedicalCollege,BeijingUniversityofChineseMedicine,Beijing100700,China

【Abstract】ObjectiveTo explore the possibility of determining glomerular filtration rate (GFR) in diabetic nephropathy (DN) patients by TCM Syndrome, and the corresponding method. MethodsVisualization technique was applied treating data from previous studies to explore the correlations between GFR and the 11 factors including gender, age, height, weight, and the TCM syndrome score for qi deficiency, blood deficiency, yin deficiency, yang deficiency, blood stasis, dampness, and phlegm dampness syndromes. The patients were divided into 2 groups with 1400 and 472 cases, respectively. 2 methods were demonstrated using group A data to evaluate GFR: (1)Linear regression GFR predictions by the aforementioned 11 factors.(2)K nearest neighbor (KNN) predictions using the group A dataset. The prediction effectiveness was evaluated by comparing the predicted results of group B data to the real ratio, and the evaluation is facilitated by scatter diagram, deviation analysis, Bland-Altman method and ROC curve. Results (1)GFR correlated to gender, age, height, weight and 7 of the TCM syndromes. (2)The scatter diagram shows that, in the range of ±30%, the points of KNN is significantly increased compared with the regression equation. The deviation of 30% coincidence rate of both two kinds of assessment methods have reached more than 50%.The coincidence rate of deviation of 30% of linear regression and KNN method reached 58.1% and 69.3%. Bland-Altman mapping shows that, the deviation of the estimated results of KNN method is more evenly distributed. When the data is more concentrated, the fluctuation rage fell below the estimated value of the regression equation. The area of ROC curve of KNN method had reached 0.847 for the diagnosis of renal insufficiency.ConclusionThe feasibility of predicting GFR by TCM syndromes is validated. The KNN method produces more robust results compared to linear regression. The amount of data may positively relate to a satisfactory TCM syndrome study.

【Key words】Diabetic nephropathy;Glomerular filtration rate;TCM syndrome;Evaluation;K nearest neighbor node

(收稿日期：2015-03-29) 2015-10-08)

Corresponding author:ZHAO Jin-xi,E-mail: zhaojinximd@126.com

【中圖分類號】R587.1

【文獻標識碼】A

doi：10.3969/j.issn.1674-1749.2016.03.006

作者簡介：賈冕(1987- )，女，博士，在站博士后。研究方向：中醫(yī)藥防治糖尿病及其并發(fā)癥。E-mail：592857429@qq.com通訊作者： 趙進喜(1965- )，博士，主任醫(yī)師，教授，博士生導師。研究方向：內分泌疾病及腎臟病的中醫(yī)藥防治。E-mail：zhaojinximd@126.com

基金項目：國家“十一五”科技支撐計劃(2006BAI04A03-2)